Neurologai naudoja dirbtinį intelektą, kad imituotų, kaip smegenys supranta vizualinį pasaulį

Neurologai naudoja dirbtinį intelektą, kad imituotų, kaip smegenys supranta vizualinį pasaulį

Gyvensena mityba, dietos, judėjimas

Stenfordo Wu Tsai Neurologijos instituto tyrimų grupė padarė didelę pažangą naudodama AI, kad atkartotų, kaip smegenys organizuoja jutiminę informaciją, kad suprastų pasaulį, atverdama naujas virtualiojo neuromokslo ribas.

Stebėkite, kaip laikrodis tiksi sekundės, ir jūsų smegenų regėjimo srityse gretimos kampą atrenkančių neuronų grupės suaktyvės iš eilės, kai sekundės rodyklė brauks aplink laikrodžio ciferblatą. Šios ląstelės sudaro gražius „ratuko“ žemėlapius, kurių kiekvienas segmentas vaizduoja skirtingą kampą. Kitose smegenų vizualinėse srityse yra sudėtingesnių ir abstrakčių vizualinių ypatybių žemėlapiai, pvz., pažįstamų veidų ir vietovių atvaizdų skirtumai, kurie suaktyvina skirtingas nervines „kvartalas“.

Tokių funkcinių žemėlapių galima rasti visose smegenyse, ir tai džiugina ir glumina neurologus, kurie ilgą laiką svarstė, kodėl smegenys turėjo sukurti į žemėlapį panašų išdėstymą, kurį gali stebėti tik šiuolaikinis mokslas.

Siekdama išspręsti šį klausimą, Stanfordo komanda sukūrė naujo tipo AI algoritmą – topografinį gilųjį dirbtinį neuroninį tinklą (TDANN), kuris naudoja tik dvi taisykles: natūralistinius jutimo įvestis ir erdvinius jungčių apribojimus; ir nustatė, kad jis sėkmingai prognozuoja tiek jutiminius atsakus, tiek kelių žmogaus smegenų regos sistemos dalių erdvinį organizavimą.

Po septynerius metus trukusių išsamių tyrimų išvados buvo paskelbtos naujame dokumente „Vienybinė funkcinės organizacijos ankstyvojoje ir aukštesnėje ventralinėje regos žievėje sistema“ – gegužės 10 d. Neuronas.

Tyrimo grupei vadovavo Wu Tsai Neurosciences instituto fakulteto mokslininkas Danas Yaminsas, psichologijos ir kompiuterių mokslo docentas; ir instituto filialas Kalanit Grill-Spector, psichologijos profesorius.

Skirtingai nuo įprastų neuroninių tinklų, TDANN apima erdvinius apribojimus, išdėstydamas savo virtualius neuronus dvimačiame „žievės lape“ ir reikalauja, kad šalia esantys neuronai dalytųsi panašiais atsakymais į jutimo įvestį.

Kai modelis išmoko apdoroti vaizdus, ​​​​dėl šios topografinės struktūros buvo suformuoti erdviniai žemėlapiai, atkartojantys, kaip smegenų neuronai organizuojasi reaguodami į regos dirgiklius. Konkrečiai, modelis atkartojo sudėtingus modelius, tokius kaip pirminės regos žievės (V1) ratuko struktūros ir aukštesnės ventralinės laikinosios žievės (VTC) neuronų grupės, kurios reaguoja į tokias kategorijas kaip veidai ar vietos.

Eshedas Margalitas, pagrindinis tyrimo autorius, baigęs daktaro laipsnį. Dirbdama su Yamins ir Grill-Spector teigė, kad komanda naudojo savarankiškai prižiūrimus mokymosi metodus, kad padėtų treniruočių modeliams, imituojantiems smegenis, tikslumą.

„Tai tikriausiai labiau panašu į tai, kaip kūdikiai mokosi apie vizualinį pasaulį“, – sakė Margalit. „Nemanau, kad iš pradžių tikėjomės, kad tai turės tokį didelį poveikį apmokytų modelių tikslumui, bet tikrai reikia tinkamai atlikti tinklo mokymo užduotį, kad jis būtų geras smegenų modelis.

Visiškai treniruojamas modelis padės neurologams geriau suprasti taisykles, kaip smegenys susitvarko, nesvarbu, ar tai yra regėjimas, kaip šiame tyrime, ar kitos jutimo sistemos, tokios kaip klausa.

„Kai smegenys bando sužinoti ką nors apie pasaulį, pavyzdžiui, matyti dvi žmogaus nuotraukas, jos į smegenis patenka panašiai reaguojančių neuronų ir susidaro žemėlapiai“, – sakė Grill-Spector, Susan S. ir William. H. Hindle Humanitarinių mokslų ir mokslų mokyklos profesorius. „Manome, kad šis principas turėtų būti pritaikytas ir kitoms sistemoms.

Šis novatoriškas metodas turi reikšmingų pasekmių tiek neuromokslams, tiek dirbtiniam intelektui. Neurologams TDANN suteikia naują objektyvą, skirtą tirti, kaip vystosi ir veikia regos žievė, galinti pakeisti neurologinių sutrikimų gydymo būdus. Kalbant apie dirbtinį intelektą, įžvalgos, gautos iš smegenų organizavimo, gali padėti sukurti sudėtingesnes vizualinio apdorojimo sistemas, panašias į mokymą kompiuteriams „matyti“, kaip tai daro žmonės.

Išvados taip pat galėtų padėti paaiškinti, kaip žmogaus smegenys veikia su tokiu žvaigždžių energijos efektyvumu. Pavyzdžiui, žmogaus smegenys gali apskaičiuoti milijardą milijardų matematinių operacijų, kurių galia yra tik 20 vatų, palyginti su superkompiuteriu, kuriam atlikti reikia milijoną kartų daugiau energijos.

Naujosiose išvadose pabrėžiama, kad neuronų žemėlapiai ir juos lemiantys erdviniai ar topografiniai suvaržymai greičiausiai padės išlaikyti kuo paprastesnius laidus, jungiančius 100 milijardų smegenų neuronų. Šios įžvalgos gali būti labai svarbios kuriant efektyvesnes dirbtines sistemas, įkvėptas smegenų elegancijos.

„AI riboja galia“, – sakė Yamins. „Ilgainiui, jei žmonės žinotų, kaip dirbtines sistemas paleisti su daug mažesniu energijos suvartojimu, tai galėtų paskatinti AI plėtrą.

Energiją taupantis dirbtinis intelektas galėtų padėti plėtoti virtualų neuromokslą, kur eksperimentai galėtų būti atliekami greičiau ir didesniu mastu. Savo tyrime mokslininkai kaip principo įrodymą įrodė, kad jų topografinis gilus dirbtinis neuroninis tinklas atkuria į smegenis panašias reakcijas į įvairius natūralistinius vizualinius dirgiklius, o tai rodo, kad tokios sistemos ateityje galėtų būti naudojamos kaip greitos ir nebrangios žaidimų aikštelės. neurologijos eksperimentų prototipams kurti ir greitai nustatyti hipotezes būsimiems bandymams.

Virtualūs neurologijos eksperimentai taip pat galėtų pagerinti žmonių medicininę priežiūrą. Pavyzdžiui, geriau lavinant dirbtinę regėjimo sistemą taip, kaip kūdikis vizualiai mokosi apie pasaulį, gali padėti dirbtiniam intelektui pamatyti pasaulį kaip žmogui, kur žvilgsnio centras yra ryškesnis už likusį regėjimo lauką. Kita programa galėtų padėti sukurti regėjimo protezavimą arba tiksliai imituoti, kaip ligos ir sužalojimai veikia smegenų dalis.

„Jei galite daryti tokius dalykus kaip prognozės, kurios padės sukurti protezus žmonėms, kurie prarado regėjimą, manau, kad tai tikrai bus nuostabus dalykas“, – sakė Grill-Spector.